单因素方差分析anova1

函数格式：[p,anovatab,stats] =

anova1(x,group,displayopt,extra)

anova1(单因素方差分析)返回的p值是基于【H0：各组间的均值相等】的前提下得出的.

结果返回两张图，方差分析表和每一列的盒子图.

当拒绝H0后就要用多重比较来看到底哪里差异显著，用到的是multcompare(stats) ，此时返回的就是多重比较的结果.

多重比较的结果是一个矩阵，前两列表示的是不同组之间的比较，第三列是平均数之间的差异.

用法：

1. p =

anova1(X)

其中X是一个矩阵，每一列被看做是独立的，检验的就是每一列的均值是否相等；这种用法适用于每一列的数目是相同的情况.

eg.

yellow = [300 287 301 400 211

399 412 312 390 412];

red = [240

259 302 311 210 402 390 298 347 380];

black = [

210 230 213 210 220 208 290 300 201 201];

names =

[yellow’ red’ black’

];

[p table

stats]=anova1(names);

2. p =

anova1(V,GROUP)

其中GROUP必须是一个类别变量，数值向量，逻辑向量，字符串或者是胞体(里面的类型是字符串，代表着每一列的成分)，V代表的是每一列的成分.在每列的数据数目不相同时，这种用法是唯一适用的格式.

当V是代表所有数值的一个向量时，则GROUP就是和V长度相同的一个向量，而每一个成分代表的就是相对应位置上V中数值的类别。

eg.

1 yellow = [300 287 301 400

211 399 412 312 390 412];

red = [240 259 302 311 210 402 390 298 347

380];

black = [ 210 230 213 210 220 208 290 300 201

201];

names = [{‘yellow’}; {‘red’};

{‘black’}];

[p table stats]=anova1([yellow' red' black'],

names);

2 X =

[yellow red black]’;(所有值在一个向量里)

n_yellow=repmat({'yellow'},10,1);

n_red=repmat({'red'},10,1);

n_black=repmat({'black'},10,1);

group= [n_yellow' n_red'

n_black’]’;(group里则是相对于的X中值的类型)

[p table stats]=anova1(X,group);

3. p =

anova1(X,GROUP,DISPLAYOPT)

其中DISPLAYOPT是用来控制图表的展现的，可以设置成off,也可设成on.

4.

[P,ANOVATAB] = ANOVA1(...)

返回方差分析表

双因素方差分析anova2

函数格式：[p,Table,stats] =

anova2(X,reps,displayopt)

第一个输入量是一个矩阵，其中的每一列代表的是第一个因素所产生的影响，每一行则代表第二个因素所造成的变异.

reps是重复测量的次数.

eg.

研究字体颜色和大小对识别反应时的影响. 颜色有三个水平，黄红黑，大小有两个水平，大和小如下图：

yellow

red

black

small

123

121

178

144

big

其中第一行是颜色这个自变量的三个水平，第一列是大小这个自变量的两个水平，两个自变量所形成的区域成为cell(123,121,178,144)，每个cell中的数值数等于reps，即观察到的数。如REPS=3，即每个cell中包含3行，总行数一定是3的倍数，如果X有12行，且reps=3，那么第一列的自变量有4个水平，每个水平上收到了3个数据，4*3=12.

第一个水平是第1-3行，第二个水平是4-6行。所以REPS指的就是每一个cell中所观察到的数据的数目.